WordCount案例实操

---

需求分析

在给定的文本文件中统计输出每一个单词出现的总次数

期望输出数据：
atxiaoyu 2
banzhang 1
cls 2
hadoop 1
jiao 1
ss 2
xue 1

实现过程：按照MapReduce编程规范，分别编写Mapper，Reducer，Driver。

代码

环境准备

（1）创建maven工程，MapReduceDemo
（2）在pom.xml文件中添加如下依赖

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>3.1.3</version>
    </dependency>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>
    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-log4j12</artifactId>
        <version>1.7.30</version>
    </dependency>
</dependencies>

（3）在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入：

log4j.rootLogger=INFO, stdout  
log4j.appender.stdout=org.apache.log4j.ConsoleAppender  
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout  
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n  
log4j.appender.logfile=org.apache.log4j.FileAppender  
log4j.appender.logfile.File=target/spring.log  
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout  
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（4）创建包名：com.atxiaoyu.mapreduce.wordcount

编写Mapper类

代码：

package com.atxiaoyu.mapreduce.wordcount;

import jdk.nashorn.internal.ir.CallNode;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/*

 */
public class WordCountMapper extends Mapper<LongWritable, Text,Text, IntWritable> {
    private  Text outK = new Text();
    private  IntWritable outV=new IntWritable(1);

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //1 获取一行
        //atxiaoyu atxiaoyu
        String line = value.toString();

        //2 切割
        //atxiaoyu
        //atxiaoyu
        String[] words = line.split(" ");
        //3 循环写出
        for (String word : words) {

            outK.set(word);

            //写出
            context.write(outK,outV);
        }

    }


}

编写Reducer类

package com.atxiaoyu.mapreduce.wordcount;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;


import java.io.IOException;

public class WordCountReducer extends Reducer<Text, IntWritable,Text,IntWritable> {
    private  IntWritable outV=new IntWritable();
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum=0;
        //atxiaoyu,(1,1)
        //累加
        for (IntWritable value : values) {
            sum=sum+value.get();
        }
        outV.set(sum);
        //写出
        context.write(key,outV);
    }
}

编写Driver驱动类

package com.atxiaoyu.mapreduce.wordcount;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.kerby.config.Conf;

import java.io.IOException;

public class WordCountDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf =new Configuration();
        //1 获取job
        Job job = Job.getInstance(conf);
        //2 设置jar包路径
        job.setJarByClass(WordCountDriver.class);
        // 3 管理mapper和reducer
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
        // 4 设置map输出的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //5 设置最终输出的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        //6 设置输入路径和输出路径
        FileInputFormat.setInputPaths(job,new Path("D:\\input"));
        FileOutputFormat.setOutputPath(job,new Path("D:\\output"));
        //7 提交job
        boolean result = job.waitForCompletion(true);
        System.exit(result?0:1);

    }
}

本地运行

注意事项

大家引入类的时候一定注意不要引入错了，这里涉及的类太多了，我就是引入错了导致有bug找了半天才发现问题，比如这个Text，大家输入完Text不要立即点回车，一定要注意看看是否导入了正确的类。

导入后也可以进到内部检查看看是否正确：

运行结果

我们进入到输出的目录中来，打开这个文件：


这个文件的内容就是执行的词频统计的结果。

提交到集群测试

用maven打jar包，需要添加的打包插件依赖:

<build>
    <plugins>
        <plugin>
            <artifactId>maven-compiler-plugin</artifactId>
            <version>3.6.1</version>
            <configuration>
                <source>1.8</source>
                <target>1.8</target>
            </configuration>
        </plugin>
        <plugin>
            <artifactId>maven-assembly-plugin</artifactId>
            <configuration>
                <descriptorRefs>
                    <descriptorRef>jar-with-dependencies</descriptorRef>
                </descriptorRefs>
            </configuration>
            <executions>
                <execution>
                    <id>make-assembly</id>
                    <phase>package</phase>
                    <goals>
                        <goal>single</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

首先我们修改Driver类中的两个参数，就是两个路径，我们把它修改为可以动态的指定路径args[0]和args[1]，而不是某个固定的路径：

只需修改这两处即可。
然后对项目进行打包，修改包名为wc:

启动Hadoop集群，拷贝该jar包到Hadoop集群的/opt/module/hadoop-3.1.3路径下，然后执行WordCount程序：

（wc.jar后面的路径是右键WordCountDriver这个类，点击Copy Reference：

）
发现执行成功：